🎙️ 完整文字记录（精选节选）

[音乐] 

[书本内容摘录] 

PETER LEE: “作为一个社会——甚至作为一个物种——我们面临一个选择。我们是出于对人工智能风险和其制造新危害的明显能力的恐惧，而限制甚至扼杀人工智能吗？我们是屈服于AI，让它自由地取代我们，使我们变得不那么有用和不那么需要吗？还是我们从今天开始，共同塑造我们的AI未来，旨在实现人类单独或AI单独都无法完成，但人类+AI可以完成的事情？选择在我们手中……”。 

[书本内容结束]

[主题音乐]

欢迎收听《重访：医疗领域的AI革命》。我是主持人Peter Lee。 

在OpenAI的GPT-4公开发布后不久，Carey Goldberg、Dr. Zak Kohane和我出版了《医疗领域的AI革命》，旨在帮助医疗保健和生物医学研究界了解这项新的生成式AI技术可能带来的变革性影响。但由于我们在GPT-4还是秘密时就撰写了这本书，我们不得不进行推测。那么，两年过去了，我们哪些预测正确，哪些预测失误了呢？ 

在本系列中，我们将与临床医生、患者、医院管理者及其他人交谈，以了解AI在该领域的现实情况以及未来的发展方向。 

[主题音乐淡出]

我刚才开场朗读的书本段落摘自后记，我认为这是本播客系列一个非常恰当的收尾——因为它呼应了开篇的主题。

正如我之前提到的，Carey、Zak和我撰写《医疗领域的AI革命》是为了帮助解答这些重大问题，尤其是在医学领域。我们写这本书的目的是赋予人们选择AI发展和使用方式的权力。那么，他们做到了吗？我们做到了吗？

也许我们需要更多时间来判断。但在本播客系列中，我有幸与医疗生态系统各界人士进行了交谈。我的收获是：他们都致力于将AI打造成一个能够为从业者和患者改善行业的工具。 

在最后一集中，我非常高兴地邀请到了我的合著者Carey Goldberg和Dr. Zak Kohane回来。我们将一起回顾本季后半段的重要见解。 

[过渡音乐]

Carey，Zak——很高兴再次邀请到你们！ 

CAREY GOLDBERG: 嗨，Peter！ 

ZAK KOHANE: 嗨，Peter。 

LEE: 这是第二次圆桌会议了。简单回顾一下，我们早些时候的几集节目采访了一些医生、技术开发者、一些关注监管和公共政策的人、患者倡导者、一位投资于面向消费者和患者的医疗风险投资人，以及一些生物伦理学家。 

我认为那是一次很棒的对话，大部分的预测都得到了验证，我们学到了很多新东西。但现在我们有五集新内容，采访对象的类型与第一部分不同。所以我认为对我们来说，进行一次回顾并总结我们从他们那里听到的内容会很有意义。我们从头开始吧。 

在本系列后半段的第一集中，我们与经济学家 Azeem Azhar 和 Ethan Mollick 进行了交谈。我认为这些对话非常有趣。可能主要有两个主题：一是对经济的更广泛影响，包括医疗成本和整体劳动力问题。 

Ethan Mollick 提到的一点非常有趣。为了提醒大家，我们来播放一下Ethan的这段剪辑。 

ETHAN MOLLICK: 我们正处于一个非常有趣的时期，在这个领域中，个人在生产力和绩效改进方面存在着令人难以置信的创新水平，……我们也在非医疗问题上看到了同样的情况，比如有研究显示有20%到40%的绩效提升……但是组织并没有捕捉到这种提升；系统也无法适应。因为个体在做自己的工作，而系统本身没有能力从中学习或适应。 

LEE: Zak，我先问你。这是否符合你的观察？你是否看到了类似的情况？ 

KOHANE: 我认为这极具洞察力，因为我们在之前的播客中讨论过，一位医疗系统首席AI官对AI的使用进行了严格监管，但她本人在智能手机上却在使用所有这些AI技术。 

所以，一方面她提高了个人生产力…… 

LEE: 对。 

KOHANE:……也许她提高了护理质量。但医疗系统要实现任何收益都非常困难。不太可能……这样说吧，如果有人对她说：“现在你应该看更多的病人”，这对她来说将是一种失败。 

LEE: 是的。（笑） 

KOHANE: 我不是说这不会发生。它可能会发生。但你知道，生产力的提高主要是在医生的个人层面。这就是他们采用AI的原因，这就是环境听写工具如此成功的原因。但要把这种提升真正转化为对医疗保健重要的生产力成果——即确保患者康复——需要拼图的每一个部分都能协同工作。你知道，谈到患者接受了昂贵的手术，比如心脏移植，然后回家却没有服用血液稀释剂…… 

LEE: 对。 

KOHANE:……然后他们中风了。你知道，链条的强度取决于最薄弱的一环。仅仅在一部分环节中有AI是远远不够的。所以医院面临着双重负担：(A) 他们往往不喜欢创新，因为他们是高收入、低利润的公司。但如果他们想有效实施AI，他们必须将其应用于整个医疗保健流程，而这些流程是庞大且不完全受他们控制的。 

LEE: 是的，没错。你知道，那是来自加州大学旧金山分校的首席健康AI官 Sara Murray。还有，Carey，你还记得吗，我们对 Chris Longhurst 的发现感到困惑：一项对照研究显示，使用AI回复患者邮件似乎并没有带来任何……我猜你会称之为“生产力效益”。我记得我们俩都很困惑。我想知道这是否与Ethan所说的有关？ 

GOLDBERG: 我认为有可能，但我们从那以后看到多项研究表明，使用AI在诊断等方面实际上非常有效或有帮助。 

所以，从患者的角度来看，我真觉得很抓狂：有单独的医生在使用AI，因为他们知道这会改善他们提供的护理。但他们的机构却没有站出来说：“好的，这些是新的规范。” 顺便说一句，Ethan Mollick 是个国宝级人物，对吧？他是我们看到这项非凡技术进步时挺身而出的典型代表…… 

LEE: 是的。 

GOLDBERG: ……他不仅为自己挺身而出，还在向大众传播这些东西的能力。所以看到机构没有跟上，反而让医生个人去承担这个责任，这很令人沮丧。 

KOHANE: 但他也提出了另一个非常有趣的观点：他之所以能对公众和AI从业者提供如此多的信息，是因为这些AI模型刚出现，不会像陈年的美酒一样被陈化太久才发布给公众。 

所以他接触到这些模型的时间比模型的创造者接触到它们的时间只晚了几周。因此，由于他本人在模型运用方面确实很有创意，他能很早就看到潜在的用途和问题。但重点是机构处于多么不利的地位。他们不是Ethan Mollick，他们也不是模型的首批使用者。所以他们落后得更远。所以这非常困难。如果你和大多数医院的C级别高管交谈，他们会很高兴能像Ethan Mollick一样了解这些影响。 

LEE: 是的。顺便说一句，我选出这段引文是因为在微软内部，我猜其他所有软件公司也是如此，我们看到了非常相似的情况：单个程序员的生产力提高了20%到30%，无论是按每天编写的代码行数还是每周的Pull Request数量来衡量，这都非常一致。然而，当你涉及到一支25人的软件工程团队时，整个团队的生产力并没有提高25%。 

现在，这种情况开始改变，因为我们开始意识到，也许我们应该重塑团队的运作方式。并且更多地倾向于拥有更小规模的全栈开发人员团队。然后你才能开始看到收益。但如果你只是让团队保持原有的组织方式，就会出现损耗。所以Ethan所说的，对我来说，引起了强烈的共鸣。 

GOLDBERG: 但我会说，我们谈论的不仅仅是生产力。提高护理质量是一种道德责任。如果你有可以做到这一点的工具，你就应该使用它们，或者更努力地去尝试。 

LEE: 对。没错。 

KOHANE: 我认为，是的，首先，绝对应该如此。不幸的是，大多数短期的生产力衡量标准不会衡量护理质量的改善，因为即使护理不佳，人死亡也需要很长时间。 

所以这不会立即显现出来。但我认为Peter刚才说的话在几个播客中都体现出来了，那就是试图将这些东西塞进我们已经做的事情中以提高效率非常棘手。 

GOLDBERG: 是的。现有的结构。 

KOHANE: 是的。我知道Carey你多次提出过这个问题。但这确实让人质疑：我们应该把医生的时间用在什么地方？他们是稀缺资源。最有效率地使用他们的方法是什么？ 

你知道，我记得我们在《新英格兰医学杂志AI》上发表了一篇论文，关于**某人如何能够利用AI来增加其急诊室的接诊量**（打开新窗口），通过更合理地将真正生病的人安排到紧急护理的候诊队列中。 

所以我想我们必须更广泛地以这种方式思考：我们不再需要将每个患者都视为一个未知数，也许只有一些诊断线索。我们可以有一个相当广泛的…… [内容被截断]

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。

青云聚合API官网https://api.qingyuntop.top

支持全球最新300+模型：https://api.qingyuntop.top/pricing

详细的调用教程及文档：https://api.qingyuntop.top/about